日報
專欄
熱點
國際
活動
DeepSeek的崛起標誌著AI發展從“算力競賽”轉向“效率競爭”。（首圖來自圖蟲創意）
2025年初，中國人工智慧企業深度求索（DeepSeek）釋出的開源模型DeepSeek-R1引發全球關注。其以顯著低於行業巨頭的訓練成本（如DeepSeek-V3僅557.6萬美元，效能對標GPT-4o），打破了AI領域長期對算力堆疊的路徑依賴。這一技術突破不僅引發資本市場震盪，更吸引了高盛、摩根士丹利等頂級投行的深度解析。
01 投行視角下的DeepSeek技術價值
改進模型，降低成本
摩根士丹利指出，DeepSeek透過改進模型架構和最佳化資料質量，顯著降低了訓練成本，其模型成本僅為OpenAI等競爭對手的十分之一，且效能接近頂尖閉源模型。這證明“更大並不等於更聰明”，高效工程設計和演算法最佳化可能比單純算力投入更具競爭力。
摩根大通認為這代表AI技術的階躍式進步，採用“專家混合”（MoE）系統，使模型在引數執行機制上更為高效，在較弱硬體和較低記憶體頻寬下透過重度最佳化也能產生顯著效果，降低能源需求和總體成本，為AI技術發展提供新思路。
高盛則強調，DeepSeek的低成本將降低AI應用開發門檻，可能顛覆現有競爭格局，使初創企業能夠挑戰網際網路巨頭在AI領域的壟斷地位。
開源生態的催化劑
DeepSeek選擇開源模型，允許開發者自由部署和二次開發。摩根士丹利認為，此舉將加速全球開源生態繁榮，推動更多企業探索定製化AI解決方案，同時削弱閉源模型的技術壁壘。例如，華為、阿里雲等國內外雲廠商已快速整合DeepSeek模型，提供低成本API服務。
美銀認為DeepSeek的開源特性降低了軟體公司應用AI技術的門檻，眾多軟體企業有望快速嵌入AI功能，提升競爭力，加速行業創新。像金山軟體、金蝶等企業可能率先受益。
推理層面的進步
DeepSeek帶來的最大的震撼不是開源或者低成本，而是不需要做 SFT（Supervised Fine-Tuning）了。但只是在推理層面，推理以外的任務還是需要做SFT。這也許能夠提出一個新的正規化或架構，使得訓練模型對資料的利用效率更高，或者模型表現的迭代速度更快。
02 對產業鏈的衝擊與機遇
算力市場：短期需求預期下降，長期多元化發展
摩根士丹利觀察到，DeepSeek的技術路徑降低了對先進算力的依賴，導致市場對英偉達高階GPU（如GB200晶片）的需求預期大幅下調。其報告將英偉達2025年GB200出貨量預測從3萬件下調至2萬件，引發英偉達股價短期暴跌23.8%。
但同時，國產算力廠商（如華為昇騰、海光DCU）因與DeepSeek的深度適配獲得發展視窗期。高盛指出，國產晶片廠商可透過最佳化價效比和服務響應速度，在多元化算力市場中佔據更大份額。
雲服務與AI應用：成本下降驅動商業化加速
摩根士丹利認為，DeepSeek模型顯著縮小了雲廠商前期投入與收益兌現的週期差距。例如，微軟Azure、亞馬遜AWS等全球雲平臺已快速上線DeepSeek服務，而國內雲廠商（如騰訊雲、華為雲）則透過整合國產算力進一步壓縮成本，提升利潤率。
高盛補充稱，低成本的模型呼叫（如每百萬tokens僅0.014美元）將加速AI在醫療、金融、工業等垂直領域的滲透，尤其是Agent AI（智慧體）和端側AI的落地。
資料中心：短期影響有限，長期持樂觀態度
美銀證券認為對於資料中心短期影響有限，因為2025年的預計收入增長很大程度上已經由先前的積壓訂單保證；至於長期方面，對受到更廣泛的人工智慧應用推動的資料中心需求前景持樂觀態度。同時，隨著模型推理效率提升，更多人工智慧相關訂單將從模型訓練轉向模型推理。
03 風險與挑戰
儘管DeepSeek展現巨大潛力，投行也提示以下風險：
-
技術侷限性：DeepSeek在多模態處理、長上下文視窗等方面仍落後於GPT-4o和Gemini。
-
地緣政治風險：中美技術競爭可能影響DeepSeek的全球供應鏈合作。
-
商業可持續性：開源模式可能壓縮企業利潤空間，需探索差異化服務實現盈利。
DeepSeek的崛起標誌著AI發展從“算力競賽”轉向“效率競爭”。摩根士丹利稱，這一變革將重構全球AI產業鏈，推動技術民主化和應用普及化；高盛則斷言，未來投資需聚焦“技術降本”與“生態整合”兩條主線。隨著開源模型與國產算力的協同突破，中國在全球AI競賽中的話語權或將進一步提升。
REVIEW
